面向多尺度时空时间序列预测的宽深回声状态网络分析
信号处理
2019-08-23 v1 机器学习
神经与进化计算
机器学习
摘要
回声状态网络是一种计算轻量的储备池模型，其灵感来源于皮层回路中观察到的随机投影。随着对储备池计算兴趣的增长，网络变得更深、更复杂。虽然这些网络越来越多地应用于非平凡的预测任务，但仍需要对深度储备池进行全面的性能分析。在这项工作中，我们研究了在给定预算下划分神经元的影响，以及在表现出多尺度和非线性动力学的不同数据集上并行储备池通路的影响。
引用
@article{arxiv.1908.08380,
title = {Analysis of Wide and Deep Echo State Networks for Multiscale Spatiotemporal Time Series Forecasting},
author = {Zachariah Carmichael and Humza Syed and Dhireesha Kudithipudi},
journal= {arXiv preprint arXiv:1908.08380},
year = {2019}
}
备注
10 pages, 10 figures, Proceedings of the Neuro-inspired Computational Elements Workshop (NICE '19), March 26-28, 2019, Albany, NY, USA